Google释出多语言问答基准TyDi QA，改进模型处理特殊语言问答的能力

为了促进社群对多语言问答的研究，Google释出了涵盖11种类型多样的语言问答语料库TyDi QA。Google提到，由于不同语言以不同的结构表达意思，因此这个语料库选择类型距离较远的语言，训练模型能够处理大量的语言。

问答技术可以让语音助理回应使用者的提问，Google在去年的时候，释出了英语自然问题资料集，让研究社群能进一步推进自然语言提问的发展，但是这世界上有成千上万种语言，其中有许多语言以非常不同的方式建构含义，Google举例，像是英文的book为单数，books则表示复数，但是在阿拉伯语中，كتابان用来表达两个，كتاب表达单数而كتب则为复数，而且像是日语，其单词之间不使用空格。

Google新发布的TyDi QA语料库，包含了来自11种语言20万对的问答，设计来表现多种语言现象与资料挑战，许多语言都使用非拉丁字母，诸如阿拉伯语、孟加拉语、韩语、俄语和泰语等，也有以复杂方式构成单词的语言，像是芬兰语、印尼语以及斯瓦希里语等。

为了建构更自然的资料集，Google特别设计了收集问答的方法，从那些真正想要知道答案，但是还不知道答案的人那收集问题，Google给人们阅读以他们母语编写的维基百科文章，并且请他们问一个文章段落中没有答案的问题，模拟像是人们在街上逛街，看到新奇事物引发问题的那种情境。

这些问题直接由各种语言组成，没有经过翻译，因此许多问题跟之前发布的英文语料库不同，每一个问题，Google搜寻出最适当的维基百科文章，并且请提问者从文章中找出答案。为了追踪社群的研究进度，Google建立了排行榜，参与研究的社群成员可以借此评估自家系统的品质。